40.
Anotasi Jurnal
Judul
: The 3P Learning Model
Penulis :
Mohamed Amine Chatti, Matthias Jarke and Marcus Specht
Th. Terbit, hal : 2010: hlm. 74-85
Nama Jurnal :
The 3P Learning Model. Educational Technology & Society
Vol. No. Th. : 13, 1, 2014
A. Latar Belakang Masalah
Dunia berubah dengan kecepatan yang pernah-cepat
(Brown & Adler, 2008) dan paruh pengetahuan (yaitu rentang waktu dari
ketika pengetahuan diperoleh ketika menjadi usang) menyusut (Siemens, 2006).
Ada kesepakatan luas bahwa Teknologi tradisional Ditingkatkan Learning (TEL)
model gagal mengatasi peru-bahan yang serba cepat dan tantangan kritis
masyarakat pengetahuan baru (lih Brown & Adler, 2008, Downes 2005, Mejias
2005, Siemens, 2006).
Dalam rangka untuk menyelaraskan dengan pergeseran dan
tantangan dari lanskap pengetahuan baru, visi baru untuk TEL diper-lukan. Dalam
tulisan ini, kami menyoroti faktor kritis yang harus diatasi untuk memastikan
bahwa model TEL masa depan akan bertahan dan membahas model pembelajaran 3P;
model pembelajaran baru yang ditandai dengan konver-gensi seumur hidup,
informal, dan personal pembelajaran dalam konteks sosial.
Personalisasi, partisipasi, dan pengeta-huan tarik
membangun pilar model ini. Kami kemudian menyajikan software didukung kerangka
pembelajaran sosial sebagai perwu-judan kemungkinan model pembelajaran 3P,
berdasarkan Web 2.0 konsep dan teknologi perangkat lunak sosial.
- Landasan Teori
Elemen pertama dari model pembelajaran 3P adalah personalisasi
. Salah satu masalah inti dalam pembelajaran adalah personalisasi penga-laman
belajar. Hal ini secara luas diakui bahwa efektif dan efisien perlu belajar
untuk individual pribadi dan pelajar dikendalikan. Personalisasi juga merupakan
isu utama untuk menerapkan mekanisme untuk mendorong dan kegiatan peningkatan
jaringan pembelajaran informal dan seumur hidup.
- Pendekatan Belajar Personalized Adaptive tradisional
Ada banyak definisi adaptasi dalam sistem pendidikan.
Dua hal utama yang biasanya terli-bat adaptivity dan kemampuan beradaptasi.
Adaptivitas adalah kemampuan untuk mengubah materi kursus menggunakan parameter
yang berbeda dan satu set aturan yang telah ditetap-kan. Adaptasi adalah
kemungkinan bagi peserta didik untuk personalisasi materi kursus sendiri
(Burgos et al., 2007).
literatur yang paling relevan di persona-lisasi
pembelajaran adaptif telah difokuskan pada adaptivity. Ada, kita dapat
mengidenti-fikasi dua aliran utama penelitian: (a) Adaptive Intelligent Systems
Sekolah; dan (b) Adaptive Instructional Design Learning Model.
- Adaptif Sistem Pendidikan Cerdas
Adaptif sistem pendidikan yang cerdas dapat dibagi
menjadi tiga kelas historis dan arsi-tektur khas: Cerdas Bimbingan Belajar
Sistem; Adaptif Pendidikan Hypermedia; dan Adaptive Pendidikan berbasis Web
Sistem (Kravcik et al., 2005).
Intelligent Tutoring Sistem An
Intelligent Tutoring System (ITS) adalah perangkat lunak pendidikan yang berisi
komponen kecerdasan buatan. Perangkat lunak ini melacak karya siswa, menjahit
umpan balik dan petunjuk di sepanjang jalan. Dengan mengumpulkan informasi
tentang kinerja siswa tertentu, perang-kat lunak dapat membuat kesimpulan
tentang kekuatan dan kelemahan, dan dapat menya-rankan pekerjaan tambahan
(Hafner, 2004).
ITS mencapai mereka "kecerdasan '' dengan
mewakili keputusan pedagogis tentang cara mengajar serta informasi tentang
peserta didik ITS mencakup lima komponen utama:. (A) pengetahuan domain yang
berisi informasi ITS mengajar; (b) model siswa yang menyimpan informasi yang
spesifik untuk masing-masing peserta secara individual; (c) modul pedagogis
yang menyediakan model proses pengajaran; (d) modul komunikasi yang mengontrol
interaksi dengan peserta didik, dan (e) model ahli yang merupakan model
bagaimana seseorang terampil dalam domain tertentu mewakili pengetahuan (Beck,
1996).
C. Metode Penelitian
Meskipun dilaksanakan dengan cara yang berbeda,
adaptif sistem pendidikan yang cerdas berbagi tiga karakteristik umum: (a)
mereka fokus pada penyajian dan navigasi melalui konten; (B) mesin adaptasi
biasanya dinyatakan dalam cara komponen kecerdasan buatan dan kondisi
bersarang; dan (c) proses adaptasi terutama didasarkan pada tiga model: domain
model, model pembelajar, dan model konteks.
Dengan mereka terutama fokus pada penyajian dan
navigasi melalui konten, adaptif sistem pendidikan cerdas mengikuti pandangan
objektivis pembelajaran yang menyatakan bahwa ada tubuh tertentu pengetahuan
yang perlu dikirimkan ke peserta didik, dan pembela-jaran yang merupakan
akuisisi dan akumulasi himpunan berhingga keterampilan dan fakta (Tam, 2000).
Bahkan, semua adaptif sistem pendidikan cerdas
mengikuti representasi statis dan telah ditetapkan pengetahuan. Mereka melihat
penge-tahuan sebagai hal yang dapat dikodifikasikan, ditangkap, dan diteruskan.
Pengetahuan, bagai-manapun, adalah cairan dan dinamis; dan dengan demikian
tidak dapat direduksi menjadi pilihan hanya kondisional dan sequencing konten
tetap dan dikemas sesuai dengan aturan yang telah ditetapkan dan properti.
Selain itu, konten dalam adaptif sistem pendidikan
yang cerdas terutama dibuat oleh instruktur dan tidak termasuk, misalnya,
konten pelajar yang dihasilkan atau lebih konten up-to-date tersedia di Web.
Selanjutnya, dalam adaptif sistem pendidikan yang cerdas, navigasi melalui
bahan-bahan kursus adalah linear, setiap hala-man yang mengarah ke halaman
berikut dan setiap topik yang mengarah ke topik berikut. Namun, pembelajaran
adalah proses yang kompleks dan non-linear, dan tidak dapat direduksi menjadi
string yang telah ditetapkan topik dan halaman, dikendalikan oleh mesin
mengajar pra-diprogram.
D. Hasil Penelitian
Dengan demikian, ada kebutuhan untuk sistem PLE mashup
yang memanfaatkan konsep mashup untuk membantu peserta didik pasang komponen
pembelajaran dari berbagai sumber ke dalam ruang menguasai diri. Sistem ini
perlu untuk mendukung kedua jenis mashup. Hal ini berkisar dari hanya
menyandingkan konten dari sumber yang berbeda (misalnya feed, widget, media)
dalam satu antarmuka (mashup oleh agregasi), untuk remixing lebih kompleks API
yang berbeda ke dalam suatu aplikasi yang terintegrasi, untuk membuat tampilan
yang sama sekali berbeda atau penggunaan data asli (mashup dengan integrasi).
- Software sosial ekologi dimediasi Pengetahuan
Software sosial telah membuka pintu baru untuk
konektivitas pribadi, jaringan pengetahuan bentuk yang unik, dan bangunan
ekologi pengetahuan yang dinamis. Perangkat lunak sosial Model networ-raja
berdasarkan jaringan pengetahuan pribadi, longgar bergabung, sehingga
memberikan realisasi kuat dari konsep ekologi pengetahuan, yang membangun
landasan unsur partisipasi dalam model pembelajaran 3P.
Chatti & Jarke (2009) mengeksplorasi bagaimana
sosial teknologi software, seperti blog, web feed, wiki, podcast, penandaan
sosial, dan layanan jejaring sosial dapat mendukung pembangunan, dan
pemeliharaan ekologi pengetahuan. Para penulis mencatat bahwa perangkat lunak
sosial dimediasi ekologi pengetahuan diatur dari bawah ke atas. Mereka muncul
secara alami dan berasal dari tumpang tindih jaringan pengetahuan pribadi yang
berbeda.
- Memanfaatkan Software Sosial untuk mendapatkan Pengetahuan untuk Orang
Web 2.0 dan perangkat lunak sosial juga menyediakan
mekanisme yang kuat yang akan memungkinkan peserta didik untuk mengatasi
masalah pengetahuan yang berlebihan yang disebabkan oleh model pembelajaran
penge-tahuan-tarik. Memanfaatkan kecerdasan kolektif telah menjadi kekuatan
pendorong di belakang Web 2.0.
Pada Web 2.0, kecerdasan kolektif memu-tuskan apa yang
berharga melalui penyaringan, rating, umpan balik, ulasan, kritik, dan
rekomen-tions. Amazon review dan rekomendasi sistem, skema wisatawan YouTube,
algoritma Google PageRank, umpan balik eBay, voting Digg adalah upaya sukses
untuk memanfaatkan kecerdasan kolektif pengguna di Web. bookmark sosial,
penandaan sosial, dan folksonomi juga contoh sukses dari kecerdasan kolektif
dalam tindakan, sebagai pengguna berbagi, mengatur, menyaring informasi menarik
satu sama lain, isi topik yang terkait, berlangganan tag yang menarik dan
menerima konten baru diberi label dengan tag yang melalui web feed, dan
menemukan sumber tak terduga yang jika tidak mereka tidak akan pernah tahu ada
(Chatti & Jarke, 2009).
Berdasarkan konsep ini, kita dapat mengembangkan
filter pengetahuan yang dapat memanfaatkan kecerdasan kolektif dan memanfaatkan
metode penyaringan sosial untuk menentukan peringkat dan merekomendasikan
entitas belajar. Peserta didik bertindak sebagai panduan individu ketika mereka
berinteraksi dengan entitas belajar di Web (halaman web misalnya bookmark,
sumber tag, merekomen-dasikan item, ulasan buku, komentar pada blogposts, situs
trackback, video share, suara pada berita). Idenya adalah untuk agregat ini
didistribusikan perilaku penyaringan lokal untuk meningkatkan pencarian dan
rekomendasi dari badan pembelajaran yang relevan.
Tidak ada komentar:
Posting Komentar